AI LLM 엔지니어 부트캠프 강사

담당업무

• 제공된 가이드와 강의 자료를 바탕으로 부트캠프 강의 준비

• 퀴즈와 실습을 활용한 비대면 실시간 강의 및 대면 실시간 강의

• LLM API 활용, 프롬프트 엔지니어링, RAG, AI 에이전트, LLM 원리·파인튜닝, FastAPI·Docker 기반 서빙·배포, LLMOps 강의

• RAG·에이전트·풀스택 서비스 프로젝트의 코드 리뷰와 기술 멘토링

• 보충 학습 제공 및 학습 우수자 대상 심화 학습 주제 제안

• 멘토·운영 인력과 협업하고 피드백을 통해 학습 경험 개선

지원자격

• LLM 애플리케이션 개발 실무 또는 이에 준하는 관련 경험

• RAG 시스템 구축·운영 경험

• LangChain 또는 LlamaIndex 활용 경험 및 벡터 DB 활용 경험

• 평가셋을 활용한 검색·답변 품질 측정 및 개선 경험

• 도구 사용·멀티스텝 기반 LLM 에이전트 설계·구현 경험

• FastAPI 등을 활용한 LLM 서비스 개발 및 Docker 배포 경험

• 트랜스포머 구조와 LLM 학습·추론 원리 이해 및 PyTorch 사용 경험

• 생성형 AI 코딩 도구 활용 경험, 유닉스 환경 및 Git 활용 능력

우대사항

• LoRA·QLoRA 파인튜닝 및 결과 평가 경험

• vLLM 등 추론 서버 운영 및 LLM 모니터링·관측 경험

• GCP 등 클라우드 서비스 배포 및 CI/CD 구성 경험

• MCP, 하이브리드 검색·리랭커, GraphRAG 등 최신 기술의 실무 적용 경험

• 신입 개발자 포트폴리오·코드 리뷰 경험

• 강의·멘토링·특강 등 교육 활동 경험

• 기술 블로그·유튜브 영상·온라인 강의 등 교육 콘텐츠 제작 경험

급여

협의 후 결정

근무환경

• 온라인과 오프라인 강의를 약 5:5 비율로 진행

• 월~금 강의, 온라인 9~19시·오프라인 9~18시, 점심시간 12~13시

• 이론 기간에는 강의와 실습을 교차 진행하며 실습 시간에는 질의응답·결과물 평가·피드백 진행

• 프로젝트 기간에는 강의 없이 실습 중심으로 운영

• 강의 외 보충 학습 및 이론 강의 준비에 주당 약 2시간 소요

• 강의 투입 기간은 사전 논의 가능하며 전체 과정 또는 일부 기간 참여 가능

• 강의 자료·예제 코드·진행 가이드와 노하우 제공

• 추후 강의 기수 참여, 특강 초청, 교육 콘텐츠 제작 등 협업 기회

전형절차

1. 서류 접수

2. 사전과제

3. 인터뷰

4. 합류

지원방법

• 지원하기 버튼을 통해 이력서 제출

• 코드잇 부트캠프 강사 지원 동기 제출

마감기한

상시채용